군집 분석에 쓰이는 알고리즘 :: 거리기반 알고리즘(K평균), 밀도 기반 알고리즘(DBSCAN)

---

결정트리 학습 알고리즘
-> 선택-불순도 계산-노드나눔-반복-가지치기-평가-최적화
결정트리에도 알고리즘이 있다.
ID3, C5.0, CART 등이 있다.

---

모델 학습에 Ensemble(앙상블)을 사용한다
이때, Voting(보팅),Bagging(배깅),Boosting(부스팅) 이 있다.
Boosting의 대표적 알고리즘 XGBoost, Light GBM 이 있다.

---

ML 에서 추정기/예측기/변환기 가 있다.

---

이미지 출처 :

https://www.bnviit.com/blog/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5%EC%9D%80-%EB%A7%88%EC%8A%A4%ED%84%B0%ED%82%A4%EA%B0%80-%EC%95%84%EB%8B%88%EB%8B%A4/

위의 이미지를 참조 하여 ML은 인공지능의 한부분이고, 알고리즘이다.

• ML은 지도(분류, 회귀 의 문제), 비지도(차원축소, 군집화, 연관성 문제)
• 위의 문제 + 수치형,범주형 데이터의 전처리의 문제 도 있다.

가장 크리티컬한 문제는 과적합

---

sklean 은 알고리즘 여러개의 모음이다.

---

역전파 알고리즘
가중치(W) 초기화 - 오차 계산 - 가중치 업데이트 == 안될때 까지 반복

---

최적화기(Optimizer)

• Adam(아담)이 자주 사용된다. :: 거의 불변에 가까우며, 그 전에 다른 몇가지가 있다.
• 모멘텀(이동방향) // 제프리(이동거리) // 등이 있다.

---

출처 : 내 노트(이서준강사님 강의)

---

알고리즘은 결국 일처리의 흐름이다.
방송에선 인코딩(압축 알고리즘)-디코딩(압축해제 알고리즘)
스케줄링 알고리즘(PCFS, SJF, RR 등)이 있다.